mcpField
V
value-specification

value-specification

github.com/owl-listenerAgent 工作流191128 次安装20 周前更新
代码仓库

关于 value-specification

这项设计技能将组织原则和用户期望转化为 AI 系统可执行、可测试的约束,并提供价值排序及协调利益相关方的设计产物。

主要功能

  1. 01价值层级与冲突规则
  2. 02价值到规则的映射
  3. 03利益相关方对齐矩阵
  4. 04基于规范设计测试用例

适用场景

  1. 01处理安全与助人目标的冲突
  2. 02将自主原则转为 AI 规则
  3. 03协调法律、品牌、用户与工程诉求

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/owl-listener/ai-design-skills --skill value-specification

安装后在 Claude Code 中输入/value-specification确认已加载。

详细介绍

价值规范

价值观是抽象的。AI 系统需要具体规则。价值规范设计是将组织原则和用户期望转化为可实施约束的工作。

转化难题

组织会说“提供帮助”和“负起责任”之类的话。这些说法无法用作系统约束,因为它们会产生冲突:

  • 尽可能提供帮助,可能意味着提供危险信息
  • 尽可能负责任,可能意味着完全拒绝提供帮助
  • “公平”在不同情境下有不同含义 设计者的工作是解决这些冲突,将其转化为具体、可测试的规则。

价值层级

并非所有价值观都同等重要。应建立层级:

  1. 安全:防止伤害用户和他人。这一原则优先于其他一切。
  2. 准确性:不要误导他人。不确定时,应如实说明。
  3. 实用性:切实满足用户的需求。
  4. 尊重:将用户视为有能力的成年人。不要居高临下。
  5. 品牌一致性:体现组织的身份和语气。 当价值观发生冲突时,由层级决定如何取舍。安全问题优先于实用性。准确性优先于品牌语气。

从价值观到规则

针对每项价值观,推导出具体规则:

  • 价值观:“我们尊重用户自主权”
  • 规则:“始终提供选项,而不是替用户做决定”
  • 实施方式:当 AI 有多种可行方案时,将这些方案及其利弊作为选项提供,而不是自行挑选一种
  • 测试:向 AI 提出一个含糊的请求。它会询问用户如何选择,还是擅自做出决定?

利益相关方协同

不同利益相关方对价值观的优先级各不相同:

  • 用户重视实用性和速度
  • 法务重视合规性和责任保护
  • 品牌重视一致性和语气
  • 伦理重视公平性和透明度
  • 工程重视可行性和可维护性 设计者在这些视角之间协调,制定统一的规范。

设计产物

  • 包含冲突解决规则的价值层级文档
  • 价值观到规则的映射表
  • 利益相关方价值观协同矩阵
  • 根据价值规范制定的测试用例

评论

支持 Markdown